Skip to content

От переводчика

Это машинный перевод (DeepSeek) статьи https://fastapi.tiangolo.com/tutorial/extra-data-types/

Версия от 03.09.2026

Хочу обратить внимание на неочевидный (для новичков) момент.

Подпишитесь на канал "Изучаем FastAPI", чтобы ссылка на разбор неочевидного момента открылась.

Подпишитесь на канал "Первод курса FastAPI", чтобы не пропустить новые переводы.

 

Также я рад сообщить, что дополнил базу инструмента для импорта модулей и классов в python классами, использующимися в уроке.

 

Перевод прочих разделов документации буду по мере сил делать.

Обо мне

Дополнительные типы данных

До сих пор вы использовали распространённые типы данных, такие как:

  • int
  • float
  • str
  • bool

Но вы также можете использовать более сложные типы данных.

И у вас по-прежнему будут все те же возможности, что были показаны до сих пор:

  • Отличная поддержка редактора.
  • Преобразование данных из входящих запросов.
  • Преобразование данных для ответа.
  • Валидация данных.
  • Автоматическая аннотация и документация.

Другие типы данных

Вот некоторые из дополнительных типов данных, которые вы можете использовать:

  • UUID:
    • Стандартный «универсально уникальный идентификатор», часто используемый как ID во многих базах данных и системах.
    • В запросах и ответах будет представлен как str.
  • datetime.datetime:
    • Python datetime.datetime.
    • В запросах и ответах будет представлен как str в формате ISO 8601, например: 2008-09-15T15:53:00+05:00.
  • datetime.date:
    • Python datetime.date.
    • В запросах и ответах будет представлен как str в формате ISO 8601, например: 2008-09-15.
  • datetime.time:
    • Python datetime.time.
    • В запросах и ответах будет представлен как str в формате ISO 8601, например: 14:23:55.003.
  • datetime.timedelta:
  • frozenset:
    • В запросах и ответах обрабатывается так же, как set:
      • В запросах будет прочитан список, удалены дубликаты и преобразован в set.
      • В ответах set будет преобразован в list.
      • Сгенерированная схема укажет, что значения set уникальны (используя uniqueItems из JSON Schema).
  • bytes:
    • Стандартный Python bytes.
    • В запросах и ответах будет обрабатываться как str.
    • Сгенерированная схема укажет, что это str с «форматом» binary.
  • Decimal:
    • Стандартный Python Decimal.
    • В запросах и ответах обрабатывается так же, как float.
  • Вы можете проверить все допустимые типы данных Pydantic здесь: типы данных Pydantic.

Пример

Вот пример операции пути с параметрами, использующими некоторые из вышеперечисленных типов.

from datetime import datetime, time, timedelta
from typing import Annotated
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
    item_id: UUID,
    start_datetime: Annotated[datetime, Body()],
    end_datetime: Annotated[datetime, Body()],
    process_after: Annotated[timedelta, Body()],
    repeat_at: Annotated[time | None, Body()] = None,
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "process_after": process_after,
        "repeat_at": repeat_at,
        "start_process": start_process,
        "duration": duration,
    }
🤓 Другие версии и варианты

Совет

По возможности предпочитайте версию с Annotated.

from datetime import datetime, time, timedelta
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
    item_id: UUID,
    start_datetime: datetime = Body(),
    end_datetime: datetime = Body(),
    process_after: timedelta = Body(),
    repeat_at: time | None = Body(default=None),
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "process_after": process_after,
        "repeat_at": repeat_at,
        "start_process": start_process,
        "duration": duration,
    }

Обратите внимание, что параметры внутри функции имеют свой естественный тип данных, и вы можете, например, выполнять обычные манипуляции с датами, такие как:

from datetime import datetime, time, timedelta
from typing import Annotated
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
    item_id: UUID,
    start_datetime: Annotated[datetime, Body()],
    end_datetime: Annotated[datetime, Body()],
    process_after: Annotated[timedelta, Body()],
    repeat_at: Annotated[time | None, Body()] = None,
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "process_after": process_after,
        "repeat_at": repeat_at,
        "start_process": start_process,
        "duration": duration,
    }
🤓 Другие версии и варианты

Совет

По возможности предпочитайте версию с Annotated.

from datetime import datetime, time, timedelta
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
    item_id: UUID,
    start_datetime: datetime = Body(),
    end_datetime: datetime = Body(),
    process_after: timedelta = Body(),
    repeat_at: time | None = Body(default=None),
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "process_after": process_after,
        "repeat_at": repeat_at,
        "start_process": start_process,
        "duration": duration,
    }